ترجمه فارسی مقاله بهره‌برداری از ترجیحات در توابع زیان برای توصیه ترتیبی از طریق انتقال‌پذیری ضعیف

چکیده

A choice of optimization objective is immensely pivotal in the design of a recommender system as it affects the general modeling process of a user’s intent from previous interactions. Existing approaches mainly adhere to three categories of loss functions: pairwise, pointwise, and setwise loss functions. Despite their effectiveness, a critical and common drawback of such objectives is viewing the next observed item as a unique positive while considering all remaining items equally negative. Such a binary label assignment is generally limited to assuring a higher recommendation score of the positive item, neglecting potential structures induced by varying preferences between other unobserved items. To alleviate this issue, we propose a novel method that extends original objectives to explicitly leverage the different levels of preferences as relative orders between their scores. Finally, we demonstrate the superior performance of our method compared to baseline objectives.

چکیده به فارسی (ترجمه ماشینی)

انتخاب هدف بهینه سازی در طراحی یک سیستم توصیه کننده بسیار مهم است زیرا بر فرآیند مدل سازی کلی قصد کاربر از تعامل قبلی تأثیر می گذارد.رویکردهای موجود عمدتاً به سه دسته از توابع از دست دادن پایبند هستند: توابع از دست دادن زوج ، نقطه نظر و به منظور از بین رفتن.با وجود اثربخشی آنها ، یک اشکال مهم و مشترک از چنین اهداف ، مشاهده مورد بعدی مشاهده شده به عنوان یک مثبت منحصر به فرد در حالی که تمام موارد باقی مانده را به همان اندازه منفی در نظر می گیرد.چنین تکلیف برچسب باینری به طور کلی محدود به اطمینان از نمره توصیه بالاتر از مورد مثبت است ، و از ساختارهای بالقوه ناشی از ترجیحات مختلف بین سایر موارد غیرقابل محافظت غفلت می کند.برای کاهش این مسئله ، ما یک روش جدید را پیشنهاد می کنیم که اهداف اصلی را گسترش می دهد تا صریحاً از سطوح مختلف ترجیحات به عنوان سفارشات نسبی بین نمرات آنها استفاده کند.سرانجام ، ما عملکرد برتر روش خود را در مقایسه با اهداف پایه نشان می دهیم.